论文部分内容阅读
新疆棉花产量巨大,人工采收效率低强度大,棉花机械采收快速推广。但机采棉含杂率高严重影响了棉花的生产、销售与加工。含杂率成为机采棉和采棉机械质量评估的重要标准。而现有的机采棉杂质检测方法工序复杂,效率低下。图像处理技术可实现机采棉杂质的快速检测,以提高生产效率。本研究提出一种基于机器图像处理的机采棉杂质检测技术,实现机采棉杂质的快速检测,研究的主要内容与结论:1)搭建机器视觉试验台,对试验台光源进行设计,完成相机通讯、相机标定和畸变检测。对光源进行选型,确定光照角度,确定光照区域平均照度6500lx(勒克斯)。运用OpenCV完成相机通讯,运用Matlab对相机进行标定和畸变检测,得到相机的内外参数。相机物距320mm,不垂直因子γ=0,相机畸变小于0.5Pixel。2)设计完成机采棉杂质检测试验,提取杂质物料特性参数,分析不同采收方式的杂质差异,并分析了造成差异的主要原因。采用人工挑拣的方法分离机采棉杂质,对杂质进行分类、称重、计数,计算样本含杂率。根据杂质分离检测试验得到数据,选收式机采棉平均含杂率为13.40%,杂质构成为大杂16.9%,含细杂83.1%;统收式机采棉平均含杂率为23.47%,杂质主要构成为大杂47.8%,含细杂52.2%。3)运用颜色空间转换对机采棉图像进行分割提取。设计图像处理杂质检测试验,对比RGB三通道直方图确定背景板颜色;分析对比模型分量灰度图,确定运用HSV和Lab颜色模型对棉花和杂质进行分割;对比三种经典邻域滤波器,根据滤波评价参数MSE和PSNR确定加窗中值滤波器为最优滤波器;运用OpenCV自适应阈值算法分割提取棉花总面积,运用全局阈值提取机采棉杂质特征。棉花面积提取正确率为95%。杂质分割最佳阈值20。4)提取图像特征属性值,完成杂质分类与含杂率估算。对杂质图像进行4—邻域连通区域分析,计算杂质个数和杂质面积;根据机采棉杂质面积大小,分离大型杂质(棉铃壳、枝干等),确定面积分类阈值为5000Pixel,分类正确率为93%;根据机采棉与杂质的面积等属性值,运用回归分析法,建立机采棉杂质预测模型,得到棉花像素面积与棉花重量的相关系数为0.856,杂质像素面积与杂质重量的相关系数为0.920。通过杂质与棉花像素面积比预测含杂率的相关系数为0.799。5)完成机采棉杂质检测软件设计。设计制作基于OpenCV的MFC检测系统软件。完成程序编写与界面设计,对软件的数据处理流程进行了阐述,并给出了数据处理的部分代码。